（来源：上观新闻）
它的唯一🚜任务是🔫，在看⏭🙄到一道题之后，🇫🇷🇨🇳预测当前的🏴AI有多大概率能🎭答对这道🤩🏈题——🚕用一个0到1🏮📞之间的数字🅿🧙♂️表示🇮🇩⬛。复杂任务天🚡然就适合这😬🧛♂️种结构🏃🧧。” 这种“先想后🖲☹画”的范🧕🔃式，让👩🦲📃 AI 不🎷🚾再是一🥁🇫🇷个只会执行命令的👩🏭工具，而是一👷♀️🥗个具备意图理解与🍗🎶主动规划能🇭🇹📒力的视觉🇳🇱🎤助理📌🇫🇷。
比如一张🔏图里，天空有雾霾🥊🇽🇰，人物有噪点，🍑背景有压缩失真😗，系统需要逐区域🇧🇫识别不📚👩🏫同的失真类型⛴♒。失业的不🅰止吴维斌，和他🌡💢同年龄段的群演几🇳🇵乎都处于失业🇰🇭状态🈹🖌。Dual😛Pipe：V3老❗🏙伙计🧓⛰。更致命的🥓是，VLA只📕能“模仿”🔦🤞训练数据中的轨👢迹，它不理解杯子🏓🍀为什么会掉，也🇧🇴⚱不理解为什么盘子🥠悬在桌边需要推回🥉⛰去〽。在训练超参💐🛫数方面📸🔩，研究🏓🌘团队对损失函☸🇹🇳数中四项任务的👎🧦权重系数🐹进行了网格搜索，🐵最终确定的配置为👩🎤🎗：区域❗🌞比较关🐻系损失权🎐🏺重0.1、失真➿类型识别损🇧🇸失权重1.0、严🔃⭕重程度分类损失权🛠重0.1、🧲质量评分回🎾🐝归损失权重1.0💲。
两家公🇪🇦司，同🏎一个优化器🏓，解决🇨🇷🥯同一个🇩🇿🍎问题，🐁🌋走的是两💂🛷条路🏷。AI提交的🏜代码不会立即报告🦄👴"这里有一个逻辑🥠⚔错误"🦵👻。更重要💝的是，🌔由于每个插件只🇰🇳🇽🇰专注于一种能🇸🇦🍮力，训练信⏩0️⃣号非常集中，🇰🇬AI能够快🇨🇲速、有👨🚒✏效地掌握这🇦🇿🔃项技能，而🐞不会因🧐⬅为同时学习太🛡多东西而产生🔄混乱👩🦳。
